AIに相談したあと、結局は人がコピーし表を整え、スライドへ移し、Webページを組み立てる。
生成AIを使っているのに仕事の終盤だけは以前と変わらない。
そんな場面が少なくありませんでした。
ChatGPT WorkとClaude Coworkが狙うのは、この「回答から成果物まで」の空白です。
文章案を返して終わるのではなく、接続したファイルやアプリを参照しながら、文書、表計算、プレゼンテーション、Webページを組み立て、必要に応じてブラウザやツールを操作する。
非エンジニアがコードそのものを書かなくてもAIコーディングで培われた計画、実行、検証の能力を一般業務へ持ち込めるようになりました。
ただし、できることが増えた分、選び方は難しくなっています。
画面上ではどちらも「依頼すると作業してくれるAI」に見える一方、得意な成果物、作業環境、承認の置き方、利用できるプランは同じではありません。
機能の優劣を競うのではなく、どの仕事を、どの管理水準で任せるかという順序で整理します。
OpenAIは2026年7月9日、GPT-5.6の一般提供とともにChatGPT Workの機能を示しました。
Slack、Notion、Microsoft 365、Google Driveなど日常の業務環境から散らばった情報を取り込み、共有可能な文書、表計算、プレゼンテーション、インタラクティブなWeb成果物へ変換する設計です。
参考資料のレイアウトや書式を読み取り、編集可能な形で再現する能力も打ち出されています。
提供条件はモデル層によって分かれます。
2026年7月13日時点の公式情報では、FreeとGoはWorkでGPT-5.6 Terraを利用でき、Plus、Pro、Business、EnterpriseはSol、Terra、Lunaを選択可能です。
高負荷な並列実行設定「ultra」はProとEnterprise向け。
利用上限や日本語環境での表示は段階的に変わり得るため、公開直前と導入時の再確認が欠かせません。
Claude Coworkは、Claudeを「作業を引き受ける環境」へ広げた機能です。
デスクトップ版では指定したローカルフォルダやブラウザを扱い、Web・モバイルではAnthropic側の隔離された環境で遠隔セッションを動かせます。
メール、カレンダー、メッセージ、Web、各種コネクタをまたいだ作業をバックグラウンドで継続し、定期実行へつなげられる点が特徴です。
Anthropicの製品ページではCoworkを有料プランへ展開中と案内しています。
月払いの表示価格はProが20ドル、Maxが100ドルまたは200ドル、Teamが1席20ドルですが、通貨、税、契約単位、提供地域で実際の負担は変わります。
Web・モバイル機能は段階的に提供されているため、「契約すればすべての端末で同じ操作ができる」とは限りません。
ここで起きている変化を、単に高性能モデルの登場と捉えると本質を見失います。
編集上の整理では、AIコーディングの対象がソースコードから業務成果物へ広がったと見る方が実態に近いでしょう。
目標を分解し、必要な資料を探し、ツールを使い、途中結果を点検して完成品へ近づける。
その工程が、企画書や集計表、調査レポートにも適用され始めています。
同じ「仕事を自動化する道具」でも、任せ方と管理単位は大きく異なります。
以下の比較は、個別機能を並べるためではなく、導入時にどこまで自由度を許すかを判断するための整理です。
通常のチャットAIは、考える相手として優れています。
一方、WorkやCoworkは「何を答えるか」だけでなく「どの資料を使い、どの形式で完成させ、どこまで操作するか」を依頼に含める必要があります。
プロンプトの中心が質問文から作業仕様へ移るため、完成条件が曖昧なままでは長く動いた末に使えない成果物が返ることもあります。
RPAは逆に、判断の幅を狭くすることで安定性を得る仕組みです。
毎月同じ画面から同じ項目を転記する仕事なら、自由に推論する業務エージェントよりRPAが適する場合があります。
Microsoft Copilot Studioのような構築基盤は個人の一回限りの作業より、部署共通のエージェントを設計し、権限や監査を揃えて配布したい場面で力を発揮します。
したがって、最新の業務エージェントへ一律に置き換える発想は現実的ではありません。
曖昧さを扱う部分はAI、決められた反復はRPA、組織横断の運用は構築基盤というように仕事の性質で組み合わせる方が失敗を減らせます。
業務エージェントへ任せやすい仕事には共通点があります。
完成品の条件を説明でき、元資料が揃っており、誤りを検出する方法があることです。
作業時間の長さよりも、検収可能性が向き不向きを分けます。
資料作成では、参考資料、想定読者、ページ数、必須項目、避ける表現、デザイン見本を渡せる案件が向いています。
「営業資料を作って」ではなく、「既存の会社案内と製品仕様を参照し、初回商談用の10枚構成にする。
数値は原資料と照合し、出典のない効果表現は使わない」と指定すれば、成果物を点検しやすくなります。
表計算では、列の定義、計算式、欠損値の扱い、照合対象を明確にできる集計や整形が候補です。
大量データを一度に渡すより、サンプルで処理ルールを確定し、行数を増やす方が安全です。
財務、給与、顧客データを含む場合は、処理能力より先に契約上のデータ利用条件と保存範囲を確認します。
Web制作は、簡易な説明ページ、社内ツールの試作、データを見せるインタラクティブな図解と相性があります。
ただし、公開環境への反映、決済、個人情報の送信、既存サイトの上書きは別問題です。
生成と公開を一つの指示にまとめず、プレビュー、動作確認、承認、本番反映の段階を分ける必要があります。
調査や定型処理では、複数資料の収集、分類、比較、下書きまでを任せ、結論の妥当性は人が確認する設計が有効です。
Anthropicが2026年5月の匿名化・集計データ約120万セッションを分析した結果では、Coworkの利用は事業運営、コンテンツ制作、ソフトウェア開発などに広がっていました。
ただし、これは利用傾向を示す集計であり、生産性向上を直接証明するものではありません。
人に残すべきなのは、価値判断、対人説明、法的・財務的責任、取り消しにくい操作です。
採用の合否、融資判断、契約締結、税務申告、医療判断、顧客への最終回答などは、AIが資料を整理できても責任主体にはなりません。
「AIがそう判断した」では説明が成立しない仕事ほど、人の承認を深く残すべきです。
業務エージェントの事故は、回答文の誤りだけでは終わりません。
ファイルを変更する、メールを送る、Webフォームへ入力する、予定を作るといった書き込み権限を持つと、誤りがそのまま外部の状態を変えます。
導入時は「何を読めるか」と「何を変更できるか」を分けて設計してください。
Claude Coworkの安全ガイドでは、読み取り専用の操作と書き込み操作を区別し、削除のような重大操作には明示的な許可を求める仕組みを説明しています。
それでもAnthropicは、ユーザーが作業範囲を監視し、機密性が高い仕事や取り消しにくい操作を手動承認するよう勧めています。
Web上の文章に隠された指示をAIが取り込むプロンプトインジェクションも、ブラウザを使うエージェントでは無視できません。
最初の原則は最小権限です。
全社共有ドライブではなく案件専用フォルダ、全メールボックスではなく必要なラベル、管理者権限ではなく閲覧権限から始めます。
ローカルファイルを扱う場合もホームフォルダ全体を渡さず、コピーした作業用フォルダだけを指定した方が安全です。
次に、検収条件を依頼文へ組み込みます。
数値は原資料と照合する、変更したセルを一覧化する、引用元を残す、送信前に下書きで止める、公開前にリンク切れを確認する。
完成後に人が頑張って探すのではなく、AI自身に確認結果を添付させる設計です。
ただし、自己点検だけで正しさが保証されるわけではないため、重要な数字や外部送信は別経路で照合します。
費用も月額料金だけでは判断できません。
長時間タスクや高性能モデルは利用量を消費し、失敗した試行にもコストがかかります。
修正に要した人の時間、レビュー担当者、接続サービスの追加契約、社内ルールの整備まで含めて評価すべきです。
小さな実験では「1件の成果物に何分、何回の修正、いくら相当を使ったか」を記録すると、導入効果を比較できます。
NISTのAI Risk Management FrameworkはAIリスク管理を一度の審査ではなく、継続的な統治、測定、管理として捉えています。
製品名が変わっても対象業務、想定される損害、責任者、監視方法を定期的に見直す考え方は共通して使えます。
ChatGPT WorkとClaude Coworkのどちらを選ぶかは「賢い方」ではなく、最終成果物と作業環境から決めるのが近道です。
文書、表計算、プレゼンテーション、Web表現を一つの流れで作り、参考ファイルの形式まで揃えたいなら、ChatGPT Workを先に試す価値があります。
特に同じ材料から経営会議向け資料、詳細レポート、説明用Webページを作り分ける仕事では成果物横断の設計が生きます。
ローカルフォルダ、ブラウザ、メール、カレンダーなどをまたぎ、長い作業を継続させたいならClaude Coworkが候補になります。
デスクトップで手元のファイルを扱うのか、Web・モバイルから遠隔セッションを走らせるのかで権限とデータの流れが変わるため、端末別の機能差を確認して選びます。
毎回同じ操作を高い再現性で回したいならRPA、部署共通の知識と業務フローを組み込み、管理者が配布・監査したいならCopilot Studioのような構築基盤も比較対象です。
WorkとCoworkだけを見比べると、本来は別方式が適する業務まで無理に寄せてしまいます。
導入は1週間で小さく試せます。
初日は、毎週発生し、失敗しても影響が限定され、完成条件を説明できる仕事を一つ選びます。
候補は社内向け週報、会議資料の下書き、公開前のデータ整形などです。
2日目は、元資料、出力形式、禁止事項、確認項目を一枚の作業仕様にまとめます。
3日目に閲覧権限だけで実行し、4日目は人が同じ作業をした場合と、所要時間、修正回数、見落としを比較します。
5日目に必要最小限の書き込み権限を試し、送信や公開の直前で止める承認点を置きます。
6日目は別の担当者に成果物を検収してもらい、指示を書いた本人しか気づけない前提を洗い出します。
最終日に、継続、修正、保留のどれかを決めます。
成功条件は「動いたこと」ではなく、品質、時間、費用、リスクの四つが従来より改善したことです。
ChatGPT WorkとClaude Coworkは生成AIの利用を会話から作業工程へ広げます。
非エンジニアでも、資料の収集、構成、制作、点検を一つの依頼として扱えるようになりました。
その一方で、AIが触れる範囲が広がるほど、権限と責任の設計が成果を左右します。
選択の起点はブランドやモデル名ではありません。
欲しい成果物、参照させる情報、許可する操作、止める承認点、検収方法を先に決めること。
そこまで言語化できれば、WorkとCoworkの違いは機能表より明確に見えてきます。
まずは、失敗しても戻せる一つの業務から始めてください。
AIに任せる範囲を広げるのは、速さを確認したあとではなく、品質と責任の境界を確認したあとです。
.png){kind=logo}
